Optimierte Cluster-Kommissionierung in Lagern

Optimierte Cluster-Kommissionierung in Lagern

Die Kommissioniermethoden in Lagern variieren je nach ihrer Größe. In kleinen werden die Aufträge oft einzeln kommissioniert, während Großlager die Aufträge in Batches sammeln. Dazwischen existiert eine Grauzone, in der die Aufträge komplex und die Warenlager weder groß noch klein sind. Welche Kommissioniermethode ist in diesen Fällen optimal?

DHL Supply Chain führte dazu Untersuchungen durch und entwickelte ein Optimierungswerkzeug für die Kommissionierung in mittelgroßen Lagern. Hier erfahren Sie mehr über ihre Forschung, Lösung und Ergebnisse der Fallstudien.

DHL Supply Chain ist ein Konzernbereich der Deutsche Post DHL Group mit einem globalen Netzwerk und einem umfangreichen Logistikportfolio, das Lagern, Transport und Mehrwertdienste umfasst.

Problemstellung

„Cluster Picking“, oder auch Cluster-Kommissionierung, ist eine Methode zur Auslagerung von Lagerartikeln (SKU) mehrerer Aufträge in einem einzigen Kommissioniervorgang. In der Regel wird sie nach dem Prinzip „Wer zuerst kommt, mahlt zuerst“ (First Come, First Served, FCFS) durchgeführt.

Die Cluster-Kommissionierung wird in mittelgroßen Lagern eingesetzt, statt die Aufträge einzeln zu kommissionieren, wie es in kleinen Lagern üblich ist, oder die Batch-Kommissionierung, die in großen Lagern verwendet wird. „Cluster Picking“ ist ein Versuch, bei der Bearbeitung vieler Aufträge einen hohen Durchsatz zu erzielen. Bei maximaler Kapazitätsauslastung können Engpässe und Ineffizienz zum Problem werden.

Erfahren Sie mehr über den Lagerdurchsatz in der Fallstudie von DHL Supply Chain.

Kommissionierungsmethoden

Kommissioniermethoden (zum Vergrößern anklicken)

Das Operations-Science-Team bei DHL Supply Chain wollte die grundlegende Cluster-Kommissionierung dahin gehend verbessern, dass Staus reduziert und die Effizienz gesteigert werden. Als Lösung bot sich ein Softwaretool an, das sich in mittelgroßen Lagern einsetzen lässt.

Lösung

Ingenieure entwickelten dafür ein Simulationsmodell für die Cluster-Kommissionierung in einem Lagerhaus. Das Modell wurde verwendet, um die Cluster-Picking-Methode zu replizieren und sie mit Alternativen zu vergleichen. So konnten Staus und andere Engpässe in den Kommissionierprozessen behoben werden.

Das Modell berücksichtigte die Schichtarbeit im Lager, die Anzahl der Kommissionierer pro Schicht und ermöglichte, alternative Kommissionierungswellen-Strategien mit FCFS zu vergleichen. Zu den erfassten Messgrößen gehörten die Überlastung der Gänge und Wagenstau, die Fahrzeit der Wagen, sowie Wartezeiten.

Simulation von Wagenbewegungen: Aufträge werden gruppiert und einem Wagen zugewiesen, der dann gepackt wird. Anschließend verbringt der Wagen einige Zeit mit der Kommissionierung, bis alle Positionen abgearbeitet sind, und kehrt dann zum Ausgangspunkt zurück, bevor er wieder freigegeben wird

Simulation von Wagenbewegungen: Aufträge werden gruppiert und einem Wagen zugewiesen, der dann gepackt wird. Anschließend verbringt der Wagen einige Zeit mit der Kommissionierung, bis alle Positionen abgearbeitet sind, und kehrt dann zum Ausgangspunkt zurück, bevor er wieder freigegeben wird (zum Vergrößern anklicken)

Die Tests haben gezeigt, dass die optimale Lösung für das Cluster-Kommissionieren sich auf die Verkürzung der Fahrstrecke des Kommissionierwagens konzentrieren sollte. Die DHL-Ingenieure fanden heraus, dass die beste Methode darin bestand, die Abholaufträge so zusammenzustellen, dass so wenig Gänge wie möglich angefahren werden müssen, anstatt einen Wagen bei einem einzigen Auftrag viele oder alle Gänge des Lagers anfahren zu lassen.

Vergleich der Kommissioniermethoden für ein mittelgroßes Lager

Vergleich der Kommissioniermethoden für ein mittelgroßes Lager (zum Vergrößern anklicken)

Die Mitarbeiter von DHL entwickelten ihren Algorithmus zur Auftragsgruppierung über die Minimierung der Fahrstrecke hinaus weiter, um die Anzahl der Zwischenstopps zu verringern und die Arbeit gegebenenfalls auf mehrere Zonen zu verteilen. Das Ergebnis: Die Anzahl der pro Stunde verarbeiteten Einheiten wurde erhöht, die Auftragsdurchlaufzeit verkürzt und Staus reduziert.

Für die unternehmensweite Anwendung von Cluster-Kommissionierungsanalysen und Methoden zur Gruppierung von Aufträgen wurde ein Micro-Service-Plug-in für die Lagerverwaltungssysteme von DHL entwickelt. Das System wurde IDEA (Instantly Discover Efficient Activities) genannt.

Ergebnisse

Das Operations Science Team von DHL Supply Chain validierte IDEA und konnte im Vergleich zu FCFS eine allgemeine Produktivitätssteigerung von 14 % und eine Verringerung der Wagenstaus von 35 % feststellen. Aufgrund dieser Erkenntnisse wäre es ferner möglich, die Anzahl der Kommissionierer um 12,5 % zu reduzieren.

Die Effizienz von IDEA im Vergleich zu FCFS resultiert aus Verbesserungen bei der Kommissionierzeit und der Leerlaufzeit des Wagens. In den Testszenarien verringerte sich die Zeit, die ein Wagen für einen Kommissionierauftrag benötigte, um 12 % und die Zeit, in der Wagen auf freie Slots warteten, um 36 %.

Histogramme, die einen Vergleich der Abwicklungszeiten und Wartezeiten für die IDEA-Methode und die FCFS-Methode zeigen

Histogramme, die einen Vergleich der Abwicklungszeiten und Wartezeiten für die IDEA-Methode und die FCFS-Methode zeigen (zum Vergrößern anklicken)

Der Vergleich der Wagenüberlastung bei IDEA und FCFS zeigt, dass die Wartezeit der Wagen auf freie Slots verkürzt wurde. IDEA reduziert die Zeit, in der mehr als vier Wagen im Stau stehen, von 28 % der Zeit auf 18 % der Zeit.

Diagramme, die eine Verringerung der Überlastung zeigen, wenn IDEA als Cluster-Kommissionierauftragszuweisung statt FCFS verwendet wird. Wagen und Gänge gelten als verstopft, wenn sich zwei oder mehr Wagen in einem Gang befinden

Diagramme, die eine Verringerung der Überlastung zeigen, wenn IDEA als Cluster-Kommissionierauftragszuweisung statt FCFS verwendet wird. Wagen und Gänge gelten als verstopft, wenn sich zwei oder mehr Wagen in einem Gang befinden (zum Vergrößern anklicken)

Insgesamt ist das IDEA-Tool ein effektiver Weg, um die Betriebskosten zu senken, in dem es die Anzahl der Kommissionierer reduziert, die zur Aufrechterhaltung des Lagerdurchsatzes benötigt werden. Das Tool lässt sich problemlos als Plug-in in das DHL-Lagerverwaltungssystem integrieren und lässt sich überall dort einsetzen, wo es benötigt wird. Es ist ein Beispiel dafür, wie die Simulationsmodellierung mit AnyLogic eindrucksvolle Ergebnisse auf eine Art und Weise liefern kann, die sich in bestehende Systeme integrieren lässt. Erfahren Sie mehr über die Lageroptimierung mit AnyLogic.

Diese Fallstudie stammt aus einem Vortrag von Vijay Sharma, DHL Supply Chain, auf der AnyLogic Conference 2021. Seine Präsentation mit anschließender Frage- und Antwortrunde:


Ähnliche Fallstudien

Mehr Fallstudien

Fordern Sie eine Broschüre mit industriellen Fallstudien an (in Englisch)

herunterladen